《Current Opinion in Structural Biology》：Dynamic residue–residue contact reorganization in protein allostery
编辑推荐：
别构作用日益被视为一种过渡感知过程，其中局部扰动通过监测残基-残基接触的重组来重塑构象系综，从而导向功能偏向。本综述重点介绍了用于解析别构机制的系综比较方法，包括基于模拟的方法、整合模拟与实验的方法以及新兴的机器学习预测方法。这些方法提供了别构作用的机制性视角
别构作用日益被视为一种过渡感知过程，其中局部扰动通过监测残基-残基接触的重组来重塑构象系综，从而导向功能偏向。本综述重点介绍了用于解析别构机制的系综比较方法，包括基于模拟的方法、整合模拟与实验的方法以及新兴的机器学习预测方法。这些方法提供了别构作用的机制性视角，将系综重新分布与功能调节联系起来。研究人员认为，有用的别构模型不仅应解释哪些残基连接远端位点，还应阐明哪些残基-残基接触发生了重组、哪些区域协同响应以及这些变化如何改变功能。理解详细的别构机制可能有助于识别新的别构口袋，并指导设计新型调节剂以精细调控生物过程，从而实现治疗获益。
蛋白质别构调控中的动态残基-残基接触重组机制解读
研究背景与科学问题
别构调控是结构生物学和生物化学领域的核心课题之一，指生物分子中某一部位的扰动能够远程耦合并调节远端位点的活性。从热力学角度看，别构作用反映了扰动后构象群体的重新分布，这一概念已被整合到构象选择与群体偏移模型中。然而，尽管别构作用的热力学基础相对清晰，关于局部扰动如何具体重塑整个蛋白质的构象概率分布这一详细机制问题仍存在争议且颇具复杂性。传统静态结构或单系综的网络分析方法虽然提供了蛋白质结构分析与功能解释的框架，但其局限性在于过于强调稳定的残基相互作用，而忽略了在别构过程中更为重要的可塑性接触变化。因此，这些方法所识别的残基往往对维持结构折叠至关重要，而非专门参与跨系综残基-残基接触变化所介导的别构通信。
针对上述问题，研究人员开展了此项综述研究，旨在推动别构研究范式向过渡感知的系综比较方法转变，通过对比不同功能状态下生成的构象系综，揭示直接参与别构转变的关键残基及其动态接触重组模式。
关键技术方法
研究人员主要采用了以下几种关键方法：基于分子动力学模拟的构象系综生成技术、差异接触网络分析、时间分辨接触簇分析、以及机器学习或人工智能辅助的预测方法。此外，研究人员还整合了氢氘交换质谱和溶液核磁共振等实验技术进行验证，并运用增强采样方法和可解释机器学习模型来提升机制解读能力。
研究结果
从静态结构通路到动态重组
传统观点促进了静态结构或单系综网络的建立，通过将残基作为节点、残基-残基相互作用作为边来识别假定的别构残基并组装成通路。然而，这些方法强调稳定的相互作用而非在别构中更重要的可塑性接触。当前范式正向过渡感知的系综比较方法转变。通过比较不同功能状态下的系综，如配体游离态与结合态、不同类型效应物结合、不同翻译后修饰以及野生型与突变体，可以突出显示直接参与别构转变的残基。基于这些变化构建的网络更加敏感，所识别的关键残基和通路与别构通信的相关性更高。
远端区域作为别构调控的潜在活跃参与者
远端区域不应再被仅仅视为别构调控中的被动终点。它们可以作为信号传播的感受器、中介者或调节剂。研究人员通过亲环蛋白A的研究实例表明，底物结合能在距活性位点超过15?的远端区域产生强烈感应，并经实验诱变和核磁共振证实。咪唑甘油磷酸合酶和磷酸肌醇依赖性激酶1的研究进一步展示了远端区域的活跃参与作用。这些例子共同表明，远端区域不仅仅是别构变化的读数器，而是其活跃参与者。
从差异网络到时间分辨簇的接触重组
残基-残基接触提供了描述蛋白质结构和别构的有用语言，因为它们将复杂运动简化为可解释的事件：接触形成、断裂及其协同波动。端点系综比较方法如差异接触网络分析捕捉了与别构转变相关的本质构象变化，但无法捕捉完整图景。近期发展的时间分辨接触簇方法填补了这一空白，通过研究光开关PDZ3的非平衡分子动力学模拟，揭示了接触变化如何在扰动后在时间上展开，并发现了仅在弛豫过程中短暂出现的隐藏接触变化。
从分子构象转变到信号偏向、疾病与药物发现
生物分子内可能存在多条别构通信路径。激活剂和抑制剂的结合可能通过不同路径将信号传递至同一活性位点。人类肝脏丙酮酸激酶的模拟研究表明，抑制剂丙氨酸的结合会重编程由激活剂果糖-1,6-二磷酸启动的别构通信路径。疾病相关突变可通过重组现有别构通路来改变远距离功能区之间的通信。多路径概念与别构信号偏向密切相关，在药物发现中具有重要意义，目标可能是精确微调信号转导，强化或弱化特定功能而不干扰其他生理角色。
计算与实验的整合
计算研究通常从构象或动态变化推断别构调控的功能结果，而实验则更多提供直接功能读数。定点诱变和深度突变扫描可用于评估单个残基对别构偶联的重要性并基准测试计算预测。差异氢氘交换质谱可直接用于验证计算预测。溶液核磁共振可测量广泛时间尺度的蛋白质动态，其弛豫弥散实验产生的构象交换速率常数可与差异残基-残基接触概率进行比较。机器学习或人工智能预测可加速候选别构位点和功能性重要残基的识别，但机制性解释仍需过渡感知的系综分析。
结论与展望
该领域已从静态结构或单系综、单路径的别构描述转向过渡感知、模块化、分布式和条件依赖的模型。端点分析、差异接触网络、接触簇分析、系综生成或建模以及偏向信号概念并非相互竞争的解释，而是在同一现象的不同层面运作。下一代别构图谱不应仅连接别构位点与活性位点，而应描述哪些接触发生重组、哪些区域协同响应、这些响应在时间上的排序方式，以及系综重新分布如何偏向功能。这样的图谱在整合模拟、实验、动力学研究以及增强采样和机器学习或人工智能数据驱动方法后，将最为强大，能够形成统一的过渡感知别构视图。
